计算机科学与探索

作者：彭豪, 李晓明

单位：1.太原科技大学 计算机科学与技术学院,太原 030024；2.太原科技大学 计算机科学与技术学院 计算机重点实验室,太原 030024

关键词：目标检测,小样本,正交映射损失,特征融合

基金：国家自然科学基金(61373099)

目标检测是把图像中指定的目标检测出来,这一技术已经广泛运用于自动驾驶、人脸识别等领域,已成为国内外计算机视觉领域的一大研究热点。传统的目标检测往往需要大量标注的数据集,如何在只有少量带注释样本的情况下进行目标检测是一个挑战。针对此问题,提出了一种多尺度选择金字塔网络的小样本目标检测算法,使检测不再依赖于大规模标签数据集。首先,设计了一个用于小样本目标检测的多尺度选择金字塔网络,它由三个组件组成：上下文层注意力模块、特征尺度增强模块、特征尺度选择模块。然后,在RPN网络产生的RoI特征后采用最大池化和平均池化来提升特征之间的相关性,之后进行特征融合,并且采用特征减法来突出特征中的类别信息,在保持模型对样本参数稳定性的前提下提高了对新类参数的敏感度;最后,采用正交映射损失函数使模型在分类层前就约束特征,即使在少量样本情况下也能够很好地衡量特征间的相似性。

来源：2022年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第7期